YOLOv2训练自己的数据来实现人脸检测详细步骤

上篇中，已经写了如何在win10系统下安装GPU版本的YOLOv2了，本文讲演示如何训练自己的数据来实现人脸检测，其实官方文档上的教程已经写得很不错了，其实就分为几个步骤。
官方地址：https://github.com/AlexeyAB/darknet
一、模仿VOC的格式
建立文件夹VOCdevkit，在里面新建VOC2017文件夹，然后VOC2017里新建下图的4个文件夹，最后在ImageSets里新建名叫Main文件夹。其中，Annotations里面放每张图片的.xml文件。ImageSets的Main里放train.txt，该文本文件里面的内容是需要用来训练图像的名字，一行写一个（无后缀无路径）。JPEGImages文件夹中放规则命名好的原始训练图像。其他的先不用管。

二、标记图像
建议用labelImage，用法见http://blog.csdn.net/jesse_mx/article/details/53606897，会生成.xml文件。我在网上找了20张包含人脸的照片，用labelImg标注了20张图片中的人脸。
三、生成相关训练文件
修改作者提供的代码中的voc_label.py，修改sets和classes，我这里只训练一个类Face，在darknet/scripts下，运行voc_label.py，在darknet/scripts会得到 2017_train.txt文件，里面是所有训练图片的绝对路径，在darknet/scripts/VOCdevkit/VOC2017目录下生成名为labels的文件夹，里面一个文件对应一张图片的标签。代码如下：

import xml.etree.ElementTree as ET
import pickle
import os
from os import listdir, getcwd
from os.path import join

# sets=[('2012', 'train'), ('2012', 'val'), ('2007', 'train'), ('2007', 'val'), ('2007', 'test')]
sets = [('2017', 'train')]

# classes = ["aeroplane", "bicycle", "bird", "boat", "bottle", "bus", "car", "cat", "chair", "cow", "diningtable", "dog", "horse", "motorbike", "person", "pottedplant", "sheep", "sofa", "train", "tvmonitor"]
classes = ["Face"]


def convert(size, box):
    dw = 1. / (size[0])
    dh = 1. / (size[1])
    x = (box[0] + box[1]) / 2.0 - 1
    y = (box[2] + box[3]) / 2.0 - 1
    w = box[1] - box[0]
    h = box[3] - box[2]
    x = x * dw
    w = w * dw
    y = y * dh
    h = h * dh
    return (x, y, w, h)


def convert_annotation(year, image_id):
    in_file = open('VOCdevkit/VOC%s/Annotations/%s.xml' % (year, image_id))
    out_file = open('VOCdevkit/VOC%s/labels/%s.txt' % (year, image_id), 'w')
    tree = ET.parse(in_file)
    root = tree.getroot()
    size = root.find('size')
    w = int(size.find('width').text)
    h = int(size.find('height').text)

    for obj in root.iter('object'):
        difficult = 100
        cls = obj.find('name').text
        if cls not in classes or int(difficult) == 1:
            continue
        cls_id = classes.index(cls)
        xmlbox = obj.find('bndbox')
        b = (float(xmlbox.find('xmin').text), float(xmlbox.find('xmax').text), float(xmlbox.find('ymin').text),
             float(xmlbox.find('ymax').text))
        bb = convert((w, h), b)
        out_file.write(str(cls_id) + " " + " ".join([str(a) for a in bb]) + '\n')


wd = getcwd()

for year, image_set in sets:
    if not os.path.exists('VOCdevkit/VOC%s/labels/' % (year)):
        os.makedirs('VOCdevkit/VOC%s/labels/' % (year))
    image_ids = open('VOCdevkit/VOC%s/ImageSets/Main/%s.txt' % (year, image_set)).read().strip().split()
    list_file = open('%s_%s.txt' % (year, image_set), 'w')
    for image_id in image_ids:
        list_file.write('%s/VOCdevkit/VOC%s/JPEGImages/%s.jpg\n' % (wd, year, image_id))
        convert_annotation(year, image_id)
    list_file.close()

四、修改YOLOv2相关配置文件
（1）在\darknet-master\data 下新建 obj.data和obj.names 两个文件。
obj.data内容如下，classes=1，train等于上文2017_train.txt文件的绝对路径。obj.names里面只写一个Face

classes= 1
train  = D:/yoloV2/darknet/scripts/2017_train.txt
names = data/obj.names
backup = D:/yoloV2/darknet/result/

（2）拷贝cfg文件夹下的yolo-voc.2.0.cfg，重命名为yolo-obj.cfg，修改里面的一些内容：


五、开始训练
编写.cmd文件，下载官网的预训练模型darknet.conv.weights做初始化，训练命令为如下（注意路径）：

D:\yoloV2\darknet\build\darknet\x64\darknet.exe detector train ./data/obj.data yolo-obj.cfg darknet19_448.conv.23

六、测试
在result文件中保存了权重文件，如：yolo-obj_500.weights
编写测试命令：

D:\yoloV2\darknet\build\darknet\x64\darknet.exe detector test ./data/obj.data yolo-obj.cfg ./result/yolo-obj_500.weights -i 0 -thresh 0.1  ./data/Face/1.jpg

pause